پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 642 |
| تعداد مقالات | 9,385 |
| تعداد مشاهده مقاله | 68,092,299 |
| تعداد دریافت فایل اصل مقاله | 34,271,690 |
مدل سازی مزرعه بادی مجهز به ژنراتور القایی دوسوتغذیه با معادل سازی بخش مکانیکی با استفاده از خوشه بندی بر اساس ضریب جذب توان | ||
| مدل سازی در مهندسی | ||
| مقاله 12، دوره 18، شماره 60، خرداد 1399، صفحه 169-182 اصل مقاله (2.01 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2019.17379.1697 | ||
| نویسندگان | ||
| سامان احمدی1؛ ایمان پورفر* 2؛ امین ساکی3 | ||
| 1دانشکده مهندسی برق و کامپیوتر،دانشگاه صنعتی جندی شاپور دزفول | ||
| 2دانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی جندی شاپور دزفول | ||
| 3دانشگاه صنعتی جندی شاپور دزفول | ||
| تاریخ دریافت: 20 اسفند 1397، تاریخ بازنگری: 02 مرداد 1398، تاریخ پذیرش: 13 شهریور 1398 | ||
| چکیده | ||
| با توجه به افزایش چشمگیر استفاده از توان تولیدی توربین‌های بادی و توسعه روزافزون مزارع بادی، دیگر تأثیر آنها بر روی سیستم‌های قدرت قابل چشم‌پوشی نبوده و مدل‌سازی مناسب مزارع بادی از اهمیت خاصی برخوردار شده است. در بسیاری از مطالعات، هنگام مطالعه اثر یک مزرعه بادی روی سیستم قدرت، به جای مدل‌سازی دقیق همه توربین‌های موجود در مزرعه، عملکرد مزرعه بادی در نقطه کوپل مشترک با شبکه به صورت عملکرد مزرعه معادلی شامل یک ژنراتور و یک توربین معادل، که از معادل‌سازی توربین‌های بادی مزرعه واقعی حاصل شده است، در نظر گرفته می‌شود. این موضوع علاوه بر اینکه موجب سادگی تحلیل سیستم می‌شود، کاهش چشمگیر بار محاسباتی مطالعات را نیز به دنبال خواهد داشت. برای بهتر شدن دقت می توان بخش مکانیکی را با استفاده از روش‌های دسته‌بندی بجای یک توربین با چند توربین معادل‌سازی کرد. تاکنون روش‌های مختلفی برای انجام این نوع معادل‌سازی در مزارع بادی معرفی شده‌اند که همه آنها از ویژگی سرعت باد به عنوان شاخص دسته‌بندی توربین‌ها استفاده می‌کنند. در این مقاله برای دسته-بندی توربین‌های بادی بجای سرعت باد استفاده از ضریب جذب توان توربین بادی به عنوان ویژگی دسته‌بندی پیشنهاد شده است. سپس در ادامه با معادل‌سازی بخش مکانیکی توربین‌ها در هریک از خوشه‌ها نتایج با حالتی که دسته بندی بر اساس سرعت باد صورت گرفته باشد و همینطور با مدل دقیق مورد مقایسه قرار گرفته است. برای شبیه‌سازی از نرم‌افزار MATLAB استفاده شده است. نتایج حاکی از آنست که روش مورد استفاده، موجب بهبود دقت نتایج حاصل از معادل‌سازی خواهد شد. | ||
| کلیدواژه‌ها | ||
| مزرعه بادی؛ ژنراتور القایی دوسو تغذیه؛ کاهش مدل؛ الگوریتم k-means | ||
| عنوان مقاله [English] | ||
| Modeling Doubly Fed Induction Generator Based Wind Farms by Aggregating the Mechanical Parts Using Clustering by Power Coefficient | ||
| نویسندگان [English] | ||
| Saman Ahmadi1؛ Iman Pourfar2؛ amin saki3 | ||
| 1Department of Electrical and Computer Engineering , Jundi-Shapur University of Technology, Dezful, Iran | ||
| 2Department of Electrical and Computer Engineering, Jundi-Shapur University of Technology, Dezful, Iran. | ||
| 3Jundi-Shapur University of Technology, Dezful | ||
| چکیده [English] | ||
| Due to the increase in wind power production and the increasing development of wind farms its impact on power systems cannot be neglected and modeling of wind farms has been converted to an important topic in power engineering. When studying the effects of a wind farm on the power system, Instead of modeling the wind farm in detail, the performance of the wind farm at the point of the common coupling can be considered as an equivalent model includes an equivalent generator and an equivalent turbine. This approach in addition to simplify the system analysis would considerably reduce the simulations burden. In order to improve the accuracy of this equivalent model the mechanical parts of the wind turbines can be replaced with more than one equivalent turbine using clustering algorithms. Traditionally these algorithms consider the wind speed as the feature for clustering. In this paper it is proposed to classify the wind turbines by power coefficient of each turbine instead of the wind speed. The simulation results obtained using this approach is verified against the conventional approach and also the detailed model. Simulations are done in MATLAB. The results indicate that the accuracy of the equivalent model obtained using proposed approach, is considerably improved. | ||
| کلیدواژه‌ها [English] | ||
| Wind Farm, Doubly Fed Induction Generator (DFIG), Equivalent Model, K-Means Algorithm | ||
| مراجع | ||
|
[1] مسعود اسماعیلی، مصطفی صدیقی‌زاده و حسام یارمحمدی، «کنترل یکپارچه ژنراتور القایی، محدودکننده جریان خطا و ذخیره‌ساز انرژی در مزارع بادی»، مجله مدل‌سازی در مهندسی، دوره 16، شماره 55، زمستان 1397، صفحه 87-100. [2] آرش حاتمی و بهنام معتکف ایمانی، «کنترل توربین بادی محور افقی دارای ژنراتور سنکرون به‌منظور جذب بیشینه انرژی باد»، مجله مدل‌سازی در مهندسی، دوره 16، شماره 54، پاییز 1397، صفحه 403-413. [3] جمشید آقائی، امین رحیمی رضایی و محمدرضا کریمی، «هماهنگی نیروگاه‌های بادی و دستگاه‌های ذخیره‌ساز سیستم قدرت در مسئله برنامه‌ریزی امنیت-مقید مشارکت واحدها با استفاده از بهینه‌سازی استوار»، مجله مدل‌سازی در مهندسی، دوره 16، شماره 53، تابستان 1397، صفحه 207-220. [4] V.Akhmatov and H.Knudsen,"An aggregate model of a grid-connected, large scale, offshore wind farm for power stability investigations: importance of windmill mechanical system", international journal of Electrical power and Energy systems, No.24, 2002, pp.709-717. [5] L.M. Fernandez, J.R. Saenz and F. Jurado, "Dynamic models of wind farms with fixed speed wind turbines", Renewable Energy, Vol. 31, 2006, pp.1203–1230. [6] L.M. Fernandez et al., "Aggregated dynamic model for wind farms with doubly fed induction generator wind turbines", Renewable Energy, Vol. 33, No. 1, 2008, pp. 129–140. [7] L.M. Fernandez, C.A.Garcia and J.R. Saenz, "Equivalent models of wind farms by using aggregated wind turbines and equivalent winds", Energy Conversion and Management , Vol.50, No. 3, 2009, pp. 691-704. [8] J. Brochu, C. Larose and R. Gagnon, "Validation of single- andmultiple-machine equivalents for modeling wind power plants", IEEETransactions on Energy Conversion, Vol. 26, No. 2, 2011, pp. 532–541. [9] M. Ali, I. Sorin Ilie, J. Milanovic, and G. Chicco, "Wind farm model aggregation using probabilistic clustering", IEEE Transactions on Power Systems, Vol. 28, 2013, pp. 309-316. [10] J. Zou, C. Peng ,H. Xu and Y. Yan, "A fuzzy clustering algorithm-based dynamic equivalent modeling method for wind farm with DFIG", IEEE Transactions on Energy Conversion, Vol. 30, 2015, pp.1329-1337. [11] L. Li, Y. Teng, X. Wang, "Dynamic equivalent modeling of wind farm considering the uncertainty of wind power prediction and a case study", Journal of Renewable and Sustainable Energy, Vol. 9, 2017, p. 013301. [12] L.P. Kunjumuhammed, B.C. Pal, C. Oates and K.J. Dyke, "The adequacy of the present practice in dynamic aggregated modeling of wind farm systems", IEEE Transactions on Sustainable Energy, Vol. 8, 2017, pp. 23-32. [13]J.G. Slootweg, H. Polinder and W.L. Kling, "Dynamic modeling of a wind turbine with doubly fed induction generator", Proceeding of IEEE Power Engineering Society Summer Meeting, Vol. 1, 2001, pp. 644-649. [14] C.A. García, L.M. Fernández and F. Jurado, "Evaluating reduced models of aggregated different doubly fed induction generator wind turbines for transient stabilities studies", Wind Energy ,Vol. 18, 2015, pp.133–152. | ||
|
آمار تعداد مشاهده مقاله: 551 تعداد دریافت فایل اصل مقاله: 228 |
||